AI类人工智能产品经理的丛林法则

物联网|ARM|Keil同时安装Keil的C51、C251和MDK|增加V5编译器|物联网开发系列课程之零基础玩转Cortex-M系列CPU-学习笔记(1) 阅读详情

简介: AI是大家都很关注的领域,然而对于大部分想要入行的同学来讲,AI的算法技术门槛相对较高,让很多空有热血但是缺少数学背景的同学望而却步。

不知道什么时候,可能是“人人都是产品经理”这个论调的影响,产品经理这个岗位逐渐变成IT领域除了纯开发岗位之外的第二选择。对于AI这个领域也不例外,产品经理这样的岗位也渐渐成为竞相争取的“肥差”,刚好我也在大厂做了一段时间的人工智能品类产品的工

这里写图片描述
AI是大家都很关注的领域,然而对于大部分想要入行的同学来讲,AI的算法技术门槛相对较高,让很多空有热血但是缺少数学背景的同学望而却步。不知道什么时候,可能是“人人都是产品经理”这个论调的影响,产品经理这个岗位逐渐变成IT领域除了纯开发岗位之外的第二选择。

对于AI这个领域也不例外,产品经理这样的岗位也渐渐成为竞相争取的“肥差”,刚好我也在大厂做了一段时间的人工智能品类产品的工作,结合我的经历谈一谈这方面的感受。

这里写图片描述
首先我想说“人人都是产品经理”在AI这个领域并不适用。先谈下AI类的产品经理跟其它的APP或者IT服务类产品的区别。

第一点,面向的受众不同,产品经理的本职工作是要设计出最贴合用户使用习惯的产品,然而因为目前AI的技术发展仍不像APP这样普及,大部分的AI产品的服务对象是to B端的企业用户, B端用户和C端用户的使用行为习惯是截然不同的,所以就有很多C端的产品转向B端出现的水土不服。

第二点,AI类别的产品经理同样需要面对相对这个岗位较高的门槛,当实现一款功能的设计的时候,最基础的认知就是要首先确定什么能做什么不能做,对于可见的一些服务,比方说手机APP中的用户使用用链路来讲,一个功能能否实现是比较容易确定的。但是如果是AI类产品的设计,需要涉及到对算法以及数据的理解,只有当产品经理真正了解每种算法的玩法以及数据的使用链路,才可以将功能做活,保留高鲁棒性。

第三点,因为AI技术还在快速发展,但是远没有达到人尽用、人尽知的地步,所以每一个AI产品经理当完成一款功能或产品的上线之后,都需要在教育用户和市场方面做足功夫。这一点也适用于所有新领域的产品。

这里写图片描述
那要如何成长为一个AI类的产品经理呢?博主还在学习阶段,但是可以把我的心得简单讲下。第一,快速的学习理解AI这个行业。AI是整个互联网行业谈论最多的技术方向,有大的量的关于这个领域的垂直媒体会每天更新国内外最新的咨询,我每天上班和下班途中共两个小时,都会用来浏览媒体对AI的报道,从大牛离职这样的八卦新闻到新论文的发表都会看一看(付出了手机流量超标的严重代价),遇到需要仔细阅读的便收藏等到时间充裕的时候慢慢去学。

不过确实因为现在这方面的咨询实在太纷杂了,为了甄选有营养的咨询以及方便跟更多的同学讨论,我创建了微信公众号“凡人机器学习”,把我觉得好的咨询跟大家分享。第二,学习AI的基础知识,不要只做产品“傻白甜”。听过很多开发吐槽产品经理什么都不懂,我也时常被吐槽。为了更深刻理解AI行业用户的使用习惯,要多多学习一些算法以及数据的分析方式,当然不必要像开发一样深入了解,只要从使用方式的角度了解即可。

我每天会在下班后,多呆一小时去看看各种大牛的博客或者学一些视频在线课程,这样可以更好的理解AI行业用户的使用方式,跟用户近一点。同时当你理解了算法的一些原理之后,也会跟开发近一点。在学习的过程中也可以边学边记录,留到以后去查看,之前把自己的笔记整理了下居然也可以形成一本书《机器学习实践应用》。剩下的一些关于产品经理必备的能力,比如竞品分析、市场策略、运营策略、项目推动、团队合作、产品设计这里就不详细说了,以后慢慢聊。

如何系统的去学习大模型LLM ?

作为一名热心肠的互联网老兵,我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。

但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的 AI大模型资料 包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

所有资料 ⚡️ ,朋友们如果有需要全套 《LLM大模型入门+进阶学习资源包》,扫码获取~

👉优快云大礼包🎁:全网最全《LLM大模型入门+进阶学习资源包》免费分享(安全链接,放心点击)👈

​

一、全套AGI大模型学习路线

AI大模型时代的学习之旅:从基础到前沿,掌握人工智能的核心技能!

img

二、640套AI大模型报告合集

这套包含640份报告的合集,涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师,还是对AI大模型感兴趣的爱好者,这套报告合集都将为您提供宝贵的信息和启示。

img

三、AI大模型经典PDF籍

随着人工智能技术的飞速发展,AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型,如GPT-3、BERT、XLNet等,以其强大的语言理解和生成能力,正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。

img

在这里插入图片描述

四、AI大模型商业化落地方案

img

阶段1:AI大模型时代的基础理解

  • 目标:了解AI大模型的基本概念、发展历程和核心原理。
  • 内容:
    • L1.1 人工智能简述与大模型起源
    • L1.2 大模型与通用人工智能
    • L1.3 GPT模型的发展历程
    • L1.4 模型工程
      - L1.4.1 知识大模型
      - L1.4.2 生产大模型
      - L1.4.3 模型工程方法论
      - L1.4.4 模型工程实践
    • L1.5 GPT应用案例

阶段2:AI大模型API应用开发工程

  • 目标:掌握AI大模型API的使用和开发,以及相关的编程技能。
  • 内容:
    • L2.1 API接口
      - L2.1.1 OpenAI API接口
      - L2.1.2 Python接口接入
      - L2.1.3 BOT工具类框架
      - L2.1.4 代码示例
    • L2.2 Prompt框架
      - L2.2.1 什么是Prompt
      - L2.2.2 Prompt框架应用现状
      - L2.2.3 基于GPTAS的Prompt框架
      - L2.2.4 Prompt框架与Thought
      - L2.2.5 Prompt框架与提示词
    • L2.3 流水线工程
      - L2.3.1 流水线工程的概念
      - L2.3.2 流水线工程的优点
      - L2.3.3 流水线工程的应用
    • L2.4 总结与展望

阶段3:AI大模型应用架构实践

  • 目标:深入理解AI大模型的应用架构,并能够进行私有化部署。
  • 内容:
    • L3.1 Agent模型框架
      - L3.1.1 Agent模型框架的设计理念
      - L3.1.2 Agent模型框架的核心组件
      - L3.1.3 Agent模型框架的实现细节
    • L3.2 MetaGPT
      - L3.2.1 MetaGPT的基本概念
      - L3.2.2 MetaGPT的工作原理
      - L3.2.3 MetaGPT的应用场景
    • L3.3 ChatGLM
      - L3.3.1 ChatGLM的特点
      - L3.3.2 ChatGLM的开发环境
      - L3.3.3 ChatGLM的使用示例
    • L3.4 LLAMA
      - L3.4.1 LLAMA的特点
      - L3.4.2 LLAMA的开发环境
      - L3.4.3 LLAMA的使用示例
    • L3.5 其他大模型介绍

阶段4:AI大模型私有化部署

  • 目标:掌握多种AI大模型的私有化部署,包括多模态和特定领域模型。
  • 内容:
    • L4.1 模型私有化部署概述
    • L4.2 模型私有化部署的关键技术
    • L4.3 模型私有化部署的实施步骤
    • L4.4 模型私有化部署的应用场景

学习计划:

  • 阶段1:1-2个月,建立AI大模型的基础知识体系。
  • 阶段2:2-3个月,专注于API应用开发能力的提升。
  • 阶段3:3-4个月,深入实践AI大模型的应用架构和私有化部署。
  • 阶段4:4-5个月,专注于高级模型的应用和部署。
这份完整版的所有 ⚡️ 大模型 LLM 学习资料已经上传优快云,朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】

全套 《LLM大模型入门+进阶学习资源包》↓↓↓ 获取~

👉优快云大礼包🎁:全网最全《LLM大模型入门+进阶学习资源包》免费分享(安全链接,放心点击)👈

​

STC32G12K128开发环境搭建:Keil C251+CH341SER+STC-ISP四层依赖详解 嵌入式开发环境本质是编译器、驱动、烧录工具与硬件间的精密协同。Keil C251作为成熟8051工具链,提供稳定寄存器级控制能力;CH341SER驱动决定USB转串口通信可靠性,直接影响ISP烧录成功率;STC-ISP则承载STC自研Bootloader协议,支撑OTA升级等量产需求。三者需严格匹配版本与配置逻辑——如C251 V5.60a避免Banking冲突,WCH原厂驱动保障DTR复位信号,手动指定MCU型号绕过识别失效。该组合广泛应用于工业控制、传感器网关与小型HMI等低成本高可靠场景,是国产增强型 阅读详情

相关推荐

Keil5三合一开发环境配置指南:MDK+C51+C251一步到位(附资源下载)

本文详细介绍了Keil5三合一开发环境的配置方法,实现MDK、C51和C251的一站式开发解决方案。通过分步安装指导、关键文件整合技巧和常见问题解决方案,帮助嵌入式开发者高效搭建多架构开发环境,提升工作效率。

game4的博客 378

keil5 mdk/c51/c251安装教程

若出现如图注册机软件打不开、报错,是因为电脑自带的杀毒软件识别为病毒自动删除了,解决方案如下,若能打开注册机软件请跳过。keil5三个版本 C51/MDK/C251下载安装方式相同,本文以mdk版本为例介绍。安装好后桌面出现图标,我有三个版本分别进行了重命名,若只安装一个版本可以暂不修改。打开Windows安全中心,打开保护历史记录,找到我们的文件点击还原。下载:推荐keil5官方下载网站有各种版本,下载速度还可以。将复制好的CID粘贴,MDK版本选择ARM。选择一个方便找到的安装路径,自己命名。

Alaurb的博客 2万+

AI产品经理实战指南:从Prompt工程到数据飞轮构建

在人工智能技术广泛应用的今天,理解其核心原理与工程实践已成为产品创新的关键。机器学习与深度学习作为基础,通过算法模型从数据中学习规律,其技术价值在于将非结构化的信息转化为可执行的智能决策。这一过程催生了提示工程(Prompt Engineering)和数据飞轮(Data Flywheel)等核心实践。提示工程作为与大型语言模型交互的“翻译”艺术,通过结构化指令引导模型输出,直接影响应用效果。而数据飞轮则强调从数据采集、标注到回流训练的闭环构建,是模型持续优化的燃料。这些技术共同服务于智能客服、内容生成、个性

agtvo48266的专栏 441

10000字长文,深度解读!人工智能AI 产品经理与传统产品经理工作到底有什么不同?

AI 产品经理是直接应用或间接涉及了 AI 技术,进而完成相关 AI 产品的设计、研发、推广、产品生命周期管理等工作的产品经理。具体来说,狭义 AI 产品经理直接应用了语义、语音、计算机视觉和机器学习这 4 个领域的 AI 技术,例如语义类 AI 产品经理中的知识图谱 PM、机器翻译 PM 等;广义 AI 产品经理间接涉及了这些技术或直接应用了其他还不够成熟的细分领域 AI 技术。

weixin_59191169的博客 2024

AI认证含金量解析:从机器学习到生成式AI的证书选择指南

在人工智能领域,专业认证是衡量技术能力的重要标尺。从机器学习到深度学习,再到当前热门的生成式人工智能,认证体系不断演进以满足行业对人才的需求。其核心原理在于通过标准化的知识框架和考核机制,系统化验证从业者的理论掌握与实践能力。对于工程师和开发者而言,权威认证不仅能构建完整的知识体系,更能成为职业发展的有效背书。特别是在生成式AI快速落地的当下,掌握大语言模型、提示工程等关键技术,已成为AI应用开发的核心竞争力。无论是云平台专项认证还是前沿的GAI认证,选择与个人职业规划匹配的证书,将助力在AI认证的丛林中找

weixin_30653023的博客 387

政策聚光灯下,AI技能成新硬通货:如何借力权威认证撬动职业未来?

面对琳琅满目的培训与认证,一张具备公信力的“能力凭证”,已成为职场人把握机遇、实现价值跃升的关键。这意味着,获取相关领域的权威认证,不仅能享受政府提供的培训补贴,更相当于获得了官方与市场双重认可的职业“通行证”。:具有法律准入性质(如“计算机技术与软件专业技术资格”),代表国家对专业水平的终身认定,是含金量的“天花板”。持证人因具备更深的工程能力,在就业市场中议价能力更强,部分从业者能实现岗位晋升与薪酬的显著提升。认证)形成了较为清晰的体系,为不同背景的学习者提供了一条从入门到精通的路径。

qq_16014487的博客 630

AI类人工智能产品经理的丛林法则【LLM大模型】

对于AI这个领域也不例外,产品经理这样的岗位也渐渐成为竞相争取的“肥差”,刚好我也在大厂做了一段时间的人工智能人工智能规划与决策知识库")品类产品的工作,结合我的经历谈一谈这方面的感受。

瓦罗兰特顶级C位的博客 1133

AI认证体系全解析:从入门到精通的路径指南

人工智能认证体系作为技术能力验证的重要标准,其核心原理是通过标准化考核评估从业者在机器学习、深度学习等领域的理论掌握和工程实践能力。随着AI技术在计算机视觉、自然语言处理等场景的广泛应用,专业认证的价值日益凸显,既能为个人职业发展提供权威背书,也能帮助企业快速识别人才。主流技术厂商如Google、Microsoft和AWS均推出涵盖TensorFlow、Azure AI等热门框架的认证项目,涉及模型训练、分布式计算等关键技术环节。特别在联邦学习、AI伦理等新兴领域,专业认证更成为跨领域协作的通用语言。对于开

weixin_34183910的博客 421

【转】AI类人工智能产品经理的丛林法则

本文转载自:https://blog.youkuaiyun.com/buptgshengod/article/details/77030338 AI是大家都很关注的领域,然而对于大部分想要入行的同学来讲,AI的算法技术门槛相对较高,让很多空有热血但是缺少数学背景的同学望而却步。不知道什么时候,可能是“人人都是产品经理”这个论调的影响,产品经理这个岗位逐渐变成IT领域除了纯开发岗位之外的第二选择。对于A...

weixin_30497527的博客 97

RAG 赋能客服机器人:多轮对话与精准回复

在人工智能技术飞速发展的今天,客服机器人已成为企业提升服务效率的重要工具。然而,传统客服系统在多轮对话连贯性和精准回复能力上存在明显短板。检索增强生成(Retrieval-Augmented Generation, RAG)技术通过结合大语言模型(LLM)与外部知识库,为解决这一问题提供了创新路径。本文将深入探讨 RAG 在客服机器人中的应用,重点分析其如何实现多轮对话与精准回复,并结合实际案例与技术框架展开讨论。

shuizhudan223的博客 2142

GD32F303驱动WS2812B灯带:用TIMER+PWM+DMA解放CPU,实现流畅灯效(附完整代码)

本文详细介绍了基于GD32F303的TIMER+PWM+DMA全自动控制方案,用于高效驱动WS2812B灯带。通过硬件外设协同工作,该方案不仅解放了CPU资源,还能实现复杂的灯光效果,如渐变、流水等。文章提供了完整的代码实现和性能优化技巧,适合嵌入式开发者参考。

weixin_42561143的博客 379

《速测!这些AI高频术语不懂3个以上,别说你在学人工智能》

"当你家扫地机器人突然开始对着空气画地图,当Siri冷不防说出《三体》黑暗森林理论,当老板要求你三天学会大语言模型调参——欢迎来到AI世界的术语丛林!我是你们的防迷路向导,今天将用「人类翻译器」破解:▌ 那些藏在科技新闻里的AI黑话▌ 让文科生也能笑出声的技术暗号▌ 以及…为什么说Transformer根本不是变形金刚?"恭喜你获得【AI术语免疫血清】初级认证!

大模型教程的博客 858

Nacos2.X 源码分析:为订阅方推送、服务健康检查、集群数据同步、grpc客户端服务端初始化

而Nacos2.X 从http请求改为了grpc请求的方式了,在健康检查这方面就是基于长连接来实现的。客户端发送心跳是在构建grpc连接时会有一个线程每隔5s发送一次,NacosClient端发送心跳的代码在。我们能大致猜测:当一个服务的实例进行了更新,那么是不是应该推送给所有订阅了该服务的客户端?当我订阅了某个服务,是不是应该将该服务信息推送给我?在服务实例检查检查流程中,如果出现了要注销的服务实例就会发布。在服务发现时,进行订阅服务的最后会发布一个。服务注册与服务订阅流程中发布的事件最终会被。

qq_44027353的博客 1594

揭秘AI人工智能领域数据挖掘的算法设计

本文旨在为读者提供AI领域数据挖掘算法的全面理解,涵盖从数据预处理到模型部署的完整流程。我们将重点讨论最常用的数据挖掘算法及其设计原理。文章将从数据挖掘的基本概念入手,逐步深入到算法原理、实现细节和实际应用,最后探讨未来发展趋势。数据挖掘:从大量数据中提取有价值信息的过程特征工程:将原始数据转换为更适合机器学习模型使用的特征的过程监督学习:使用带有标签的数据训练模型的机器学习方法无监督学习:使用无标签数据发现数据内在结构的机器学习方法核心概念回顾数据挖掘是从大量数据中提取有价值信息的过程。

AIGC应用创新大全的博客 1218

Mooncake架构:基于KVCache解耦的LLM推理优化方案

在大语言模型推理中,KVCache是Transformer解码过程中用于缓存历史Key/Value向量的核心数据结构,它避免了序列重复计算,但会随上下文长度线性增长,成为显存占用的主要部分。其原理是在自回归生成时,将已计算过的注意力键值对存储下来,供后续Token生成时直接使用,从而提升计算效率。这项技术的核心价值在于,通过高效管理KVCache,可以显著降低长序列推理时的显存压力,提升GPU资源利用率。在实际应用场景中,尤其是在处理长上下文对话、高并发请求时,KVCache的管理策略直接决定了服务的吞吐量

weixin_35753431的博客 532

两轮差速小车循线控制原理分析

硬件资料设定:小车驱动来自于两个相同的电机,转向依靠两轮差速实现,小车前后左右安装超声波传感器,前后各一个,左右各两个; 功能目标:假设小车左侧有墙壁,通过超声波测距实现按指定距离沿墙行驶 参数设定:车轮半径r=3cm,车轮间距wd=10cm,车身长length=16cm,侧边超声波传感器前后各一个,假设一个在车头一个在车尾,间距=车身=length=16cm,小车线速度恒定v = 0.2m/s,距离墙d=10cm,假设超声波传感器以10Hz的频率采集距离。 在以上条件下,设定小车出发点,方向与墙平行

aibingjin的博客 1万+

AI 悲观论

这是一个很有意思的话题。早在 OpenAI 发布 chatgpt 的时候,其实我就以为 AGI 近在咫尺。每次AI界放烟花,人类都会默契地搬出同款剧本 —— ChatGPT 初次亮相时,我们像看到流星雨的原始人,以为 AGI 的诺亚方舟即将靠岸;等 GPT-4o 踩着七彩祥云登场,全网程序员集体上演《人类群星闪耀时》的戏码,结果三天后外卖小哥还是记错了我的煎饼不要葱。知识的边界知识的边界就像热带雨...

Gemini 788

advanced installer 打包Flutter的Windows程序安装包(基本打包、开机自启、定时自动检测升级、包含卸载程序)

advanced installer 打包Flutter的Windows程序安装包(基本打包、开机自启、定时自动检测升级、包含卸载程序)

qq_45634989的博客 2878

AI放大野心,用野心修炼内心

我用 AI 写了一版需求,然后手动把它全部改回了传统格式。因为我怕。怕开发说"你没认真想",怕暴露自己对业务还没吃透。一个顶着"AI产品经理"头衔的人,亲手把 AI 的痕迹从自己的工作里抹掉了。这件事发生在我转型的第三个月。但要讲清楚它为什么发生,得从更早说起。

非晓为骁的博客 531

【编译原理】龙书第三章作业答案

【编译原理】龙书第三章作业答案 练习3.1.1:根据3.1.2节中的讨论,将下面的C++程序划分成正确的词素序列。哪些词素应该有相关联的词法值?应该具有什么值? 答案: 左列为词素,右列为值,划分如下: < float> 值为它本身 <id,limitedSquare> 值为*limitedSquare指针 <(> 标点符号无值 ...

作业报告杂物间 2万+

【MATLAB代码】蚁群算法(Ant Colony Optimization, ACO)路径规划(避障)仿真程序,订阅专栏后可直接查看完整源代码

基于蚁群算法的路径规划系统。可自定义起点、终点和障碍物地图,系统通过蚁群算法自动计算最优路径,并输出路径坐标、障碍物地图和收敛曲线。完整MATLAB源代码直接运行。适用于复杂障碍环境下的路径优化问题。

985工科博士毕业,专攻定位、导航和滤波等算法研究。从业10年,主要使用MATLAB 3091

吴恩达AI创业心法:速度定成败,用AI为你的想法按下加速键

不要害怕在咖啡店里打扰正在工作的人(他们可能正想摸鱼),用一杯咖啡换来宝贵的无偏见反馈,这可能是你做过的最划算的投资。吴恩达教授为我们描绘了一幅清晰的AI技术栈图景,并明确指出,最大的机遇,蕴藏在最顶端的。我是AIGC小火龙果,一个努力让AI不再高冷的产品顽童,主业是把复杂的AI技巧变成你一看就会的小把戏。在这个充满无限可能的时代,让我们拥抱速度,但同时保持责任感,用AI去创造真正有价值、解决真问题的好产品。应用创造的价值,才能反哺整个生态。你的战场,不在于制造芯片,而在于用好AI,解决真实世界的问题。

berxtjkl的博客 1148

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

AI 干不掉工程师,但会“干掉”码农:一篇讲透 AI 编码的本质、成本与未来

焦虑吗?从 Copilot 到 Devin,从 Claude Code 到国产大模型,AI 编码的浪潮正以前所未有的姿态席卷而来。各种自媒体在高喊什么程序员已死,某某公司因AI裁员的消息不绝于耳。但,真的是这样吗?我认为AI编程不会导致真正的程序员失业,但它会是一场“洗牌”,会淘汰掉之前只会复制粘贴的“CV工程师”,但同时又会抬高真正的“开发工程师”的价值。本文将带你撕开AI编码的华丽外衣,直面其本质,算清其落地成本,并为未来之路提供一份生存指南。

TmEnbaby的博客 1032

android 蓝牙通讯demo

android 下蓝牙通讯demo,实现了发现蓝牙,使能蓝牙,通过蓝牙发送消息。

温度PID控制PLC程序

温度PID稳定控制程序,适用于欧姆龙PLC,对其他PLC也具有很大参考价值

上一篇: LangChain开发环境准备-AI大模型私有部署的技术指南
下一篇: AI产品经理的入门必修课——案例篇(1)
Llama-Turbo
博客等级 码龄4年 9901粉丝 2022原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值